ISSN:1692-7257 Volumen 1 No 3 - 2004

ISSN:1692-7257 Volumen 1 - 2003

Revista Colombiana de Tecnologas de Avanzada

SISTEMAS PARA LA DETECCION Y DIAGNOSTICO DE FALLAS: IMPLANTACION INDUSTRIAL

SANDRA ARANGUREN A ROCCO TARANTINO B

A Universidad de Pamplona, Facultad de Ingeniera, Instituto de Investigaciones y Desarrollo de Tecnologa Aplicada. Pamplona-Colombia. e-mail: aranta2000@cantv.net

Universidad de Pamplona, Facultad de Ingeniera, Instituto de Investigaciones y Desarrollo de Tecnologa Aplicada. Pamplona-Colombia. e-mail: roccot@unipamplona.edu.co

RESUMEN
En este artculo se desarrolla como una propuesta el plan de implantacin para Sistemas de Deteccin y Diagnstico de Fallas (SDDF) en Procesos Industriales. Este plan se fundamenta principalmente en el diseo de una metodologa que permita evaluar la necesidad o no de implantacin de estos sistemas, con el fin de fijar prioridades en sistemas complejos y optimizar recursos (humanos, econmicos y tecnolgicos). Esta metodologa se basa en herramientas de confiabilidad como los son el clculo de riesgos y de criticidad de equipos, en Plantas del Proceso. Palabras claves: SDDF, Metodologa, Confiabilidad, Procesos Industriales.

Acrnimos: SDDF: Sistemas de Deteccin y Diagnstico de Fallas AC: Altamente Crtica MC: Medianamente Crtica SHA: Seguridad, Higiene y Ambiente TPPF: Tiempo Promedio Para Fallar MPBT: Mantenimiento Preventivo Basado en Tiempo

I. INTRODUCCIN La complejidad de los procesos industriales y la exigencia de buscar mecanismos para mantener altos niveles de confiabilidad y seguridad, han creado la necesidad de producir sistemas que permitan en lnea detectar y aislar fallas incipientes que ocurren durante la operacin de los mismos. En muchos procesos industriales se producen paradas de plantas no programadas por fallas en los elementos que conforman el sistema de

Universidad de Pamplona I .I . D .T . A

85

Revista Colombiana de Tecnologas de Avanzada

ISSN:1692-7257 Volumen 1 No 3 - 2004

automatizacin (equipos, sensores, transmisores, actuadores), los cuales afectan la produccin convirtindose en prdidas econmicas para la empresa. La bsqueda de criterios para la implantacin de los sistemas de deteccin y diagnstico de fallas ha creado la necesidad de disear una metodologa que permitir establecer los requerimientos necesarios como base para el anlisis de los mismos, con el fin de fijar prioridades en sistemas complejos y optimizar recursos (humanos, econmicos y tecnolgicos). Este requerimiento se basa principalmente en herramientas y tcnicas de confiabilidad como es el caso del clculo de riesgo para las plantas del sistema, as como tambin el clculo de criticidad de equipos, entre otros. II. Metodologa de Implantacin de los Sistemas de Deteccin y Diagnstico de fallas en Procesos de Refinacin. A continuacin se presenta los pasos que se debe seguir en la implantacin de los sistemas de deteccin y diagnstico de fallas y su respectiva descripcin. [1], [4], [7], [10], [14] A. Clculo de Riesgo para las Plantas dentro del Complejo Industrial. El riesgo es una medida de la prdidas econmicas, daos ambientales o daos ocurridos a seres humanos, y est dado en trminos de la probabilidad de ocurrencia de un evento no deseado (frecuencia) y la magnitud de la prdida o dao (consecuencias). [10], [13] Es decir, Riesgo = f(Frecuencia, Consecuencia) (1) y esta definido como: Riesgo =

donde, Pfi: es la probabilidad de falla del evento. ffi: es la frecuencia del evento. Cfi: es el costo asociado a esa falla. Supongamos que se necesita determinar el riesgo de cada una de plantas de un Complejo Industrial. Como explicamos anteriormente el riesgo esta definido por la ecuacin (2) donde, Pfi: es la probabilidad de que ocurra una parada no programada en cada planta del Complejo Industrial, y esta dado por 1- R. Donde, R : llamado confiabilidad. Representa la probabilidad que tiene un sistema para cumplir con su funcin de diseo durante un perodo especificado de tiempo (tambin se define como la probabilidad de cero fallas en un sistema). La Confiabilidad esta expresada de la siguiente manera (caso particular de Poisson):

R = e t ,

(3)

donde , y se define como la tasa de fallas del sistema, en nuestro caso representa la tasa de fallas de la planta i. , (4) TPPF TPPF: es el tiempo promedio para fallar y esta dado como
= 1

N TPFi TPPF= i =1 , N

(5)

P
i =1

fi

*ffi * C fi ,

(2)

donde, TPF: es el tiempo para fallar o tiempo en servicio de la planta i. N: es el nmero de fallas de la planta i. t: es el tiempo total del sistema. ffi: es la frecuencia de falla de la planta i.

86

Universidad de Pamplona I . I. D .T . A

ISSN:1692-7257 Volumen 1 No 3 - 2004

ISSN:1692-7257 Volumen 1 - 2003

Revista Colombiana de Tecnologas de Avanzada

Cfi:

i:

es el costo asociado a las prdidas de oportunidades generado por la parada no programada de la planta i. es un entero que va desde 1 hasta n.

fallan producen un impacto en la calidad de la produccin y/o balances de masas. [9] E. Existencia de problemas recurrentes o de impacto: En aquellos casos donde se encuentran problemas recurrentes o de impacto (seguridad, costos de mantenimiento o prdida de produccin) en las plantas, se realizar un anlisis causa raz del problema. Si en este anlisis no se determina fcilmente la causa raz del problema entonces se evaluar si la implantacin de un sistema de deteccin y diagnstico de fallas ayuda a detectar y diagnosticar como y quin ocasiona la falla, de lo contrario se proceder a realizar un anlisis de reingeniera. El anlisis causa raz, es una metodologa sistemtica utilizada para investigar la causa origen de cualquier problema, sin importar las disciplinas que pudieran estar involucradas en dicha investigacin. Esta metodologa, bsicamente responde a la pregunta: "Qu lo caus?" y la respuesta consecutiva a esta pregunta, establece un diagrama en bloques (causa-efecto), posibles, los cuales debern ser validados por soportes fehacientes. Esta metodologa inicialmente responde a las preguntas: qu, cundo, dnde y escenario, no responde al cmo, ni al quin?. Esta metodologa puede considerarse como un mtodo sistemtico para la deteccin y diagnstico de fallas post-morten. [9] F. Determinacin de las caractersticas dinmicas del proceso e identificacin de seales. Una vez clasificados los equipos de alta y mediana criticidad (por ejemplo: columna de destilacin, hornos, compresores), se determinar las caractersticas dinmicas de cada uno de estos procesos, tales como:

B. Jerarquizacin de las Plantas: Una vez determinadas las prdidas de oportunidad que producen las paradas de planta no programadas y por ende el impacto econmico que estas generan en las unidades de produccin, se ordenan de mayor a menor riesgo los resultados obtenidos en cada una de las plantas del Complejo Industrial descrito en el paso anterior. Despus de clasificadas se procede con el anlisis de criticidad de los equipos por planta, respetando el orden de prioridad. C. Clculo de Criticidad para las Plantas del Complejo Industrial: El anlisis de criticidad es una herramienta que permite identificar y jerarquizar, en funcin de su impacto global e importancia, a los equipos dentro de una planta, con el objetivo de fijar prioridades en el momento de planificar el mantenimiento preventivo basado en tiempo, basado en condicin, y correctivo. Criticidad= Frecuencia de fallas * Consecuencia de fallas (6) D. Seleccin de equipos que requieren Sistema de Deteccin y Diagnstico de Fallas. Luego de definirse el nivel de criticidad de cada uno de los equipos por planta y clasificarse de acuerdo a las bandas de criticidad. Se determina que los equipos que requieren monitoreo, deteccin y diagnstico de fallas son aquellos clasificados de alta criticidad, ya que al fallar producen un impacto en la produccin, seguridad de personas y/o bienes y daos ambientales. Y los equipos clasificados de mediana criticidad, que cuando

Universidad de Pamplona I .I . D .T . A

87

Revista Colombiana de Tecnologas de Avanzada

ISSN:1692-7257 Volumen 1 No 3 - 2004

linealidad, variabilidad, retardo, ruido, entre otros. Tambin se analizar e identificar el nmero de seales disponibles por variable, con el objeto de determinar si existe redundancia fsica o no en la medicin de las mismas. [1], [3], [4], [12] Todo esto con la finalidad de poder seleccionar la metodologa o tecnologa de deteccin y diagnstico adecuada. G. Clasificacin de la metodologa o tecnologa a ser implantada. De acuerdo al nmero de seales disponibles por variable y a las caractersticas dinmicas del proceso se seleccionar la metodologa / tecnologa a implantar: Si se dispone de ms de una seal por variable entonces se debe aplicar el mtodo basado en redundancia fsica [1], [3], [4]. Este mtodo permite detectar fallas especialmente en transmisores. Para el diagnstico de la falla se requiere el apoyo de los mtodos de anlisis espectral (Transformada Discreta de Fourier), estadsticos (Grficos de Control Estadstico, Intervalos de Confianza, Funcin de Distribucin Normal, Pruebas de Hiptesis, entre otros.) y/o mtodos emergentes (Redes Neuronales, Lgica Difusa o Sistemas Expertos) [2], [7], [8], de lo contrario. Si se dispone de una seal de entrada u(t) y salida y(t) de la variables alta y medianamente crticas del proceso en estudio y se tiene los modelos matemticos asociado al mismo entonces se debe aplicar un mtodo de deteccin y diagnstico de fallas basados en modelos (Redundancia Fsica, Redundancia Analtica, Relaciones de Paridad, Filtros de Deteccin y Diagnstico de Fallas, entre otros). [5], [6]

Con estos mtodos se pueden detectar fallas en los transmisores, vlvulas y en las variables de estado del proceso. En aquellos casos donde no es posible separar las fallas se podr recurrir a mtodos hbridos, donde se detectan las fallas aplicando mtodos basados en modelos y se diagnostica haciendo uso de los mtodos emergentes, de lo contrario. Si se dispone de la seal de entrada y salida de la variable del proceso en estudio y su dinmica es rpida, entonces, se debe aplicar mtodo de anlisis espectral para detectar y diagnosticar fallas o mtodos emergentes, de lo contrario. Si se dispone de la seal de entrada y salida de la variable del proceso en estudio y su dinmica es lenta entonces se debe aplicar mtodos estadsticos para detectar y diagnosticar fallas o mtodos emergentes. H. Anlisis Costo Beneficio Riesgo (ACBR). Una vez determinado la metodologa o tecnologa de deteccin y diagnstico de fallas a ser implantado, se deber realizar un anlisis costo beneficio riesgo, con el objetivo de tomar en cuenta la posibilidad de ocurrencia de daos materiales, tanto a la instalacin como a propiedades de terceros, as como la prdida de produccin durante los perodos de parada para reparacin de los daos. Si este valor es mayor que el costo de las medidas para minimizar el riesgo, estas ltimas es econmicamente justificable. Si la metodologa seleccionada no es justificable, entonces, no se implantar el sistema de deteccin y diagnstico de fallas, de lo contrario se implantar el sistema de deteccin y diagnstico de fallas, se analizar los resultados y se documentar el anlisis

88

Universidad de Pamplona I . I. D .T . A

ISSN:1692-7257 Volumen 1 No 3 - 2004

ISSN:1692-7257 Volumen 1 - 2003

Revista Colombiana de Tecnologas de Avanzada

de la variable o proceso monitoreada por el mismo. [9] I. Implantar SDDF, Anlisis de Resultados, y Documentar: El SDDF se puede implantar en los Sistemas de Control Distribuidos y/o Sistemas de Control Supervisorio para el monitoreo de las variables alta y medianamente crticas del proceso. Los resultados generados por este sistema sern analizados por los Ingenieros de Mantenimiento, Mantenedores e Instrumentista de la planta y podrn ser utilizados para la planificacin del Mantenimiento Basado en Condicin (MPBC). Una vez analizados los datos se procedern a guardar la data de las fallas encontradas de manera que pueda servir como patrones para el diagnstico en futuras implantaciones. Finalmente se documentar los resultados obtenidos. III. CONCLUSIONES En este artculo se ha propuesto una metodologa para la implantacin de los SDDF en Procesos Industriales. Esta metodologa facilita la implantacin del Mantenimiento Preventivo Basado en Condicin, lo cual redunda en la reduccin de costos de mantenimiento y la disminucin de paradas

de planta no programadas causadas por fallas en los sistemas de automatizacin. Los SDDF planteados en este artculo utilizan en su mayora metodologas de implantacin factible, considerando como marco de referencia la infraestructura de monitoreo de control y seguridad del Complejo Industrial. El uso de los SDDF permite una maximizacin de la vida til de los equipos. La combinacin de instrumentacin inteligente as como las tecnologas de avanzadas (Fieldbus, Fieldview) junto con los sistemas de deteccin de fallas, facilita la capacidad de diagnstico de fallas. La metodologa de generacin de residual fsico se mostr como la metodologa de inmediata implantacin, considerando la configuracin existente de los sistemas de control y seguridad. La implantacin de los SDDF introduce un robustecimiento de los sistemas de control y seguridad, produciendo un mejor indice de tolerancia a fallas, el cual se ver reflejado tanto en la confiabilidad como en la seguridad de los procesos.

Universidad de Pamplona I .I . D .T . A

89

Revista Colombiana de Tecnologas de Avanzada

ISSN:1692-7257 Volumen 1 No 3 - 2004

REFERENCIAS BIBLIOGRFICAS
[1] Pouliezos, Stavrakakis. (1994). Real Time Fault Monitoring of Industrial Processes. Kluwer Academic Publishers. [2] Jhon S. Oakland. "Statistical Process Control" Jhon Wiley & Sons, Inc., New York, 1986 . [3] Gertler Janos J. (1998). Fault Detection and Diagnosis in Engineering Systems. Marcel Dekker, Inc. Printed USA. [4] Chen, Patton. (1999). Robust Model-Based Fault Diagnosis for Dinamic Systems. Kluwer Academic Publishers. [5] Tarantino Rocco. (1999, Noviembre). Deteccin de Fallas en Sistemas Dinmicos Lineales Variante en el Tiempo. Tesis de Doctorado publicada. Universidad de los Andes. Facultad de Ingeniera. Mrida-Venezuela. [6] Tarantino R., F. Szigeti, E. Colina. (2000, Julio) Generalized Luenberger ObserverBased Fault-Detection Filter Desig: An Industrial Application. Control Engineering Practice. [7] Mo-Yuen Chow. (1997). Methodologies of Using Neural Network and fuzzy Logic Technologies for Motor Incipient Fault Detection. World Scientific. [8] R. Tarantino, K. Cabezas*, F. Rivas *, E, Colina*.(2001, Abril) Failure Detection and Diagnostic System Based on a Hybrid Method. Conference Appications and Science of Computational Intelligence IV.SPIE. [9] CIED (1998, April). Curso de Formacin Reliability-Centred Maintenance. Strategic Technologies inc-Aladon Ltd. [10] Carrera, Oquendo y Tarantino (2001,) Metodologa para Evaluar Confiabilidad en Instrumentacin - Informe Tcnico. [11] Aranguren, Sandra. (2001), Estudio y Diseo de las Normas, Ingenieria, Metodologias y Tecnologias de los Sistemas de Deteccin y Diagnostico de Fallas (SDDF), para los Elementos de los Sistemas de Automatizacin del Centro de Refinacion Paraguan (CRP), PDVSA. Tesis de Maestra. Universidad de los Andes. Facultad de Ingenieria. Mrida-Venezuela. [12] Barazarte, N. Bruzual Rosejulie. (1996, Octubre) Sistema de Deteccin y Diagnstico de Fallas para los Hornos de la Planta de Coquificacin Retardada (DCU). CRP- Cardn. PDVSA- Falcn. [13] ISA-S84.01-1996. (1996, February). Applicable Safety Instrumented Systems for the Process Industries. Publication by ISA Standards and Practices Board. [14] Barrios, Judith. (1995, Abril). Estudio de Estructuras, Componentes, Interrelaciones, Metodologas y Tecnologas asociadas a los Sistemas de Informacin. Editado por publicaciones de la Facultad de Ingeniera. Universidad de Los Andes. Mrida-Venezuela.

90

Universidad de Pamplona I . I. D .T . A